-
公开(公告)号：CN110084734A
公开(公告)日：2019-08-02
申请号：CN201910340335.0
申请日：2019-04-25
Applicant: 南京信息工程大学
Abstract: 本发明是一种基于物体局部生成对抗网络的大数据权属保护方法，在训练集上，载体图像经过多层的卷积网络，得到多组特征图，依次传入到载体重构模块。生成网络还包括多层反卷积网络，在生成条件经过多层反卷积后得到的特征图依次传入载体重构模块。将生成的目标载体图像输入到隐写网络，进行隐写区域的扩增和隐写秘密信息，随后将生成的图像输入到多粒度判别器中，对其分别在图像微弱特征和图像质量上判别，更新判别网络的参数，经过多次修改，得到网络模型参数并保存。发送方和接收方利用上述网络模型参数生成含秘图像或复原隐写区域并提取秘密信息。本专利实现了基于生成对抗网络信息隐藏，解决了生成对抗网络的隐写中的隐写问题，提高了安全性。
-
公开(公告)号：CN109492416A
公开(公告)日：2019-03-19
申请号：CN201811322310.X
申请日：2019-01-07
Applicant: 南京信息工程大学
CPC classification number: G06F21/602 , G06K9/6267 , G06N3/0454 , G06N3/0481 , G06N3/08
Abstract: 本发明提供一种基于安全区域的大数据图像保护方法，包括：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。本发明能够应用深度学习模型在目标检测中的应用算法，即Mask R-CNN实例分割方法，选择出图像中纹理噪声较为复杂的区域，即前景部分，将秘密信息准确地隐藏于前景物体中，从而实现更加隐秘的图像秘密信息隐藏保护的目的。
-
公开(公告)号：CN109255318A
公开(公告)日：2019-01-22
申请号：CN201811017018.7
申请日：2018-08-31
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于多尺度和多卷积层特征融合的指纹活性检测方法，包括：步骤1）多尺度特征提取训练：对原图做提取感兴趣区域处理，并训练网络的参数；步骤2）主成分分析各层特征：根据训练好的网络结构，提取每层计算后得到的结果，接着对提取到的特征分别做主成分分析处理；步骤3）多卷积层特征融合：将卷积神经网络和经过主成分分析得到的各层特征连接融合后，再将各尺度提取到的特征进行连接；步骤4）支持向量机模型训练和测试：通过选择使用支持向量机作为特征的分类器进行真假指纹图像鉴别。该方法通过图像多尺度的生成、图像感兴趣区域的构建，利用卷积神经网络技术自动的从带有标签的大量指纹图像中学习到富有代表性的真假指纹特征。
-
公开(公告)号：CN119888459A
公开(公告)日：2025-04-25
申请号：CN202411980338.8
申请日：2024-12-31
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 南京信息工程大学
Abstract: 本发明公开了一种多阶段渐进式的图像篡改检测与定位方法和装置。其特征包括：接收待检测的原始图像,对所述原始图像进行图像分割,得到第一分割图像和第二分割图像；逐个将所述原始图像、所述第一分割图像和所述第二分割图像输入至预先训练的多阶段图像篡改检测模型进行特征处理,确定所述原始图像对应的目标篡改图像。本发明实现了高精度的图像篡改检测方案,能够更精确地定位篡改区域,其边缘清晰度显著提升,提高对图像篡改检测的准确度。
-
公开(公告)号：CN113688775B
公开(公告)日：2024-07-23
申请号：CN202111036782.0
申请日：2021-09-06
Applicant: 南京信息工程大学
IPC: G06V40/12 , G06V10/44 , G06V10/46 , G06V10/54 , G06V10/771 , G06V10/774
Abstract: 本发明公开了一种局部差值极化的指纹活性检测方法，其特征在于：首先利用LBP来提取指纹图像特征，再利用鲁棒主成分分析法将LBP特征图进行降秩操作，对低秩部分利用局部阈值极化算法进行极化分割，并对其进行特征统计，转化成特征向量并进行特征选择，最后把构造的特征作为分类器的输入，用于后续模型的训练和测试，鉴别待测指纹图像是否为伪造指纹。本发明能够有效降低噪声对特征识别的误导，使得原有的纹理特征更加清晰，且准确率得到了提升，增强了对用户的信息和财产安全的保护。
-
Patent Agency Ranking
公开(公告)号：CN117237787A
公开(公告)日：2023-12-15
申请号：CN202311509346.X
申请日：2023-11-14
Applicant: 南京信息工程大学
IPC: G06V10/82 , G06V10/22 , G06V10/24 , G06V10/44 , G06V10/10 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双层强化网络的被动篡改检测方法，双层强化网络由两部分组成：即篡改定位强化网络和篡改边缘强化网络；其方法过程为：通过主干网络编码器提取篡改图像的初始特征；将初始特征输入到篡改检测定位强化网络中，得到全局关系特征；将初始特征和全局关系特征输入到主干网络中进行解码，并输出初步检测结果；通过篡改检测边缘强化网络得到篡改图像的边缘局部关系特征；将边缘局部关系特征和初步检测结果输入到主干网络中进行解码，得到最终篡改检测结果。本发明所公开的篡改检测定位强化网络能够对篡改区域进行精准定位，并设计篡改检测边缘强化网络实现对篡改区域边缘进行精确检测。
-
公开(公告)号：CN111768326B
公开(公告)日：2023-08-25
申请号：CN202010257335.7
申请日：2020-04-03
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06T3/00 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。
-
公开(公告)号：CN111768325B
公开(公告)日：2023-07-25
申请号：CN202010257323.4
申请日：2020-04-03
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/16 , G06F21/62 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种大数据隐私保护中基于生成对抗样本的安全性提升方法，其特征在于，主要包括步骤如下：(1)原始信息的初始化；(2)通过生成器生成载体图像和通过对抗攻击生成对抗扰动图像；(3)将载体图像和对抗扰动图像进行线性混合；(4)对合成载体图像应用信息隐藏算法进行处理；所述步骤(1)～(4)中通过建立前景物体生成模块、强对抗扰动生成模块、信息隐藏模块以及线性混合函数，实现大数据隐私保护的安全性。本发明基于GAN的框架及对抗攻击算法，通过生成针对隐写分析模型的对抗扰动，实现对隐写分析的对抗干扰；使扰动与前景物体融合，降低不规则扰动的可察觉性；提供一种基于GAN生成对抗样本的大数据隐私保护方法。
-
公开(公告)号：CN116456037A
公开(公告)日：2023-07-18
申请号：CN202310715988.9
申请日：2023-06-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于扩散模型的生成式图像隐写方法，涉及信息安全技术领域，主要分为载密图片生成和秘密信息提取两部分，载密图片生成的过程为：1、秘密信息加密；2、划分秘密信息子块；3、将每个秘密信息子块映射到隐空间，生成隐向量；4、将隐向量输入到扩散模型中生成载密图片。秘密信息提取的过程为：1、读取载密图片数据并输入到提取网络中以恢复出隐向量；2、提取隐向量中的秘密信息；3、将秘密信息映射成二进制比特流；4、解密得到秘密信息。从而使得本发明在保证高隐写容量的同时，也保证了隐写图片的生成质量和更高的秘密信息提取率。
-
公开(公告)号：CN116206375A
公开(公告)日：2023-06-02
申请号：CN202310474306.X
申请日：2023-04-28
Applicant: 南京信息工程大学
IPC: G06V40/40 , G06V40/16 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.03 seconds)
